Kljub velikemu zanimanju za realne probleme so uveljavljeni testni problemi na področju evolucijskega računanja večinoma umetni. Predlagamo uporabo problemov optimizacije iger za oblikovanje zbirke problemov, zasnovane za delo z uveljavljeno platformo za primerjavo algoritmov COCO. Problemi optimizacije iger so realni problemi, ki so varni, zmerno kompleksni in hkrati praktični, saj je vrednotenje rešitev razmeroma hitro. Ustvarili smo štiri zbirke problemov, ki temeljijo na dveh predhodno objavljenih optimizacijskih problemih (TopTrumps in MarioGAN). Za vsako zbirko smo zgradili več instanc prilagodljivih eno- in večkriterijskih funkcij z različnimi značilnostmi. Naši rezultati dokazujejo, da so problemi optimizacije iger zanimivi in zahtevni za evolucijske algoritme.
COBISS.SI-ID: 32547623
Predstavljamo dve zbirki mešanih celoštevilskih problemov za analizo in primerjavo optimizacijskih algoritmov, ki rešujejo probleme črne škatle. Zbirki vsebujeta probleme različnih zahtevnosti, ki so prilagodljivi po številu spremenljivk. Zbirka bbob-mixint je zasnovana tako, da delno diskretizira uveljavljene probleme BBOB (angl. Black-Box Optimization Benchmarking). Zbirka dvokriterijskih problemov bbob-biobj-mixint pa je sestavljena z uporabo funkcij bbob-mixint za njene posamezne kriterije. Pojasnimo odločitve pri oblikovanju zbirk in pokažemo, kako zbirke uporabljati v platformi COCO. Podrobneje analiziramo dve izbrani funkciji in podamo nekaj nepričakovanih ugotovitev o njihovih lastnostih.
COBISS.SI-ID: 32548135
Optimizacija z nadomestnimi modeli je bila razvita za reševanje kompleksnih in časovno zahtevnih problemov, ki izhajajo iz realnega sveta. Njena glavna ideja je optimalno izkoriščanje razpoložljivih informacij s ciljem zmanjšanja števila evaluacij funkcij, s čimer se prihrani čas, sredstva in z njimi povezane stroške. Predstavljamo obstoječe izzive na tem področju, ki vključujejo primerjalno analizo, ravnanje z omejitvami, konstruiranje ansamblov nadomestnih modelov in reševanje diskretnih in/ali večkriterijskih optimizacijskih problemov. Razpravljamo o pomanjkljivostih obstoječih pristopov, predlagamo predloge za izboljšave in podajamo obete za obetavne smeri raziskovanja.
COBISS.SI-ID: 32412967
Do nedavnega so morali imeti problemi, uporabljeni za primerjalne analize s platformo COCO, zvezne spremenljivke in znane optimalne vrednosti. Poleg tega so morali biti implementirani znotraj platforme (v programskem jeziku C). Zaradi teh omejitev bi se platforma COCO težko uporabljala z optimizacijskimi problemi iz realnega sveta. V tem prispevku so opisane prilagoditve platforme COCO, ki olajšajo njeno uporabo pri reševanju problemov iz realnega sveta in drugih problemov s celoštevilskimi ali mešanimi celoštevilskimi spremenljivkami in neznanimi optimalnimi vrednostmi. Vrednotenje rešitev je zdaj mogoče opraviti z zunanjimi programi, ki so s platformo COCO povezani preko vtičnikov.
COBISS.SI-ID: 32845351
Ocenjevanje uspešnosti algoritmov na problemih črne škatle navadno privzema, da učinkovitost algoritma ob nekem času ni odvisna od skupnega števila vrednotenj, ki jih ima algoritem na voljo. Takšen način ocenjevanja uspešnosti torej ni ustrezen za primerjavo algoritmov, ki so odvisni od števila vrednotenj, kot so na primer algoritmi, ki uporabljajo nadomestne modele, ali hibridni algoritmi. Prispevek predstavi nov pristop k ocenjevanju uspešnosti algoritmov, ki je primeren za primerjavo takšnih algoritmov. Pristop je ponazorjen na verziji algoritma diferencialne evolucije, ki je odvisna od števila vrednotenj.
COBISS.SI-ID: 30856231